Accesos directos a las distintas zonas del curso
Ir a los contenidos
Ir a menú navegación principal
Ir a menú pie de página
Subject's code : 31101061
El carácter introductorio de este tema tiene como principal objetivo dar una panorámica general de los distintos aspectos relacionados con la minería de datos (MD). Este objetivo global se concreta en que el alumnado debe ser capaz de:
En este tema haremos una primera aproximación a las técnicas más básicas del aprendizaje supervisado, incluyendo:
Este tema estudia las diferentes maneras de evaluar y comparar técnicas y modelos de minería de datos:
En este tema se abordan distintas técnicas para evaluar la relevancia de las variables de un conjunto de datos y, en su caso, reducir la dimensionalidad del espacio de entrada de nuestros modelos. Entre otros asuntos, se abordan los siguientes:
En este tema se introduce uno de los modelos más populares dentro de la minería de datos: las redes neuronales artificiales. Entre otros, se cubren los siguientes asuntos:
En este tema se presenta una de las arquitecturas más populares del llamado "aprendizaje profundo" para redes neuronales artificiales: las redes neuronales convolucionales. Este modelo extiende y amplía los conceptos introducidos con el perceptrón multicapa, y cubre, entre otros los siguientes asuntos:
En este tema se estudiarán los bosques aleatorios (random forests), sus principios y fundamentos, cómo evaluarlos y los peligros que se deben evitar al entrenar este tipo de modelos. Se estructura en los siguientes contenidos:
En este tema, que no por ser el último debe ser visto como menos importante, abordaremos algunas consideraciones éticas y sociales acerca del uso de las técnicas y métodos vistos anteriormente. Los contenidos serán: